Επιμέλεια κειμένου: Ρούλα Σκουρογιάννη

Το σύστημα Τεχνητής Νοημοσύνης –ΑΙ– γνωστό ως AlphaFold

Κάθε πρωτεΐνη –αν μπορούσαμε να την ανοίξουμε– θα βλέπαμε ότι είναι σαν μια σειρά από σφαιρίδια φτιαγμένα από μια αλληλουχία διαφορετικών χημικών ουσιών, τα γνωστά μας αμινοξέα. Ο προσδιορισμός των αναδιπλούμενων σχημάτων των πρωτεϊνών με βάση τις αλληλουχίες των συστατικών αμινοξέων τους ήταν ένα επίμονο πρόβλημα για δεκαετίες στη βιολογία. Μερικά από αυτά τα αμινοξέα έλκονται από άλλα, μερικά απωθούνται από το νερό και οι αλυσίδες σχηματίζουν περίπλοκα σχήματα που είναι δύσκολο να προσδιοριστούν με ακρίβεια.

Αυτές οι αλληλουχίες ‘συναρμολογούνται’ σύμφωνα με τις γενετικές οδηγίες του DNA ενός οργανισμού και κάθε μια πρωτεΐνη έχει ένα μοναδικό τρισδιάστατο σχήμα που καθορίζει πώς λειτουργεί και τι κάνει. Το σχήμα δηλαδή κάθε πρωτεΐνης είναι αυτό που καθορίζει τον τρόπο που δρα, είτε πρόκειται για δομικές πρωτεΐνες, είτε για ενζυματικές πρωτεΐνες που ρυθμίζουν τον μεταβολισμό.
Για να δώσουμε ένα παράδειγμα, θα μπορούσαμε να φανταστούμε τις πρωτεΐνες σαν βιολογικές μηχανές. Με τον ίδιο τρόπο που η δομή μιας μηχανής μας αποκαλύπτει τι κάνει, έτσι και η δομή μιας πρωτεΐνης μας βοηθά να κατανοήσουμε τη λειτουργία της. Για αυτό και η δυνατότητα πρόβλεψης της δομής των πρωτεϊνών παίζει τόσο σημαντικό ρόλο στη βιολογία και τη βιοχημεία και τελικά στην ανάπτυξη φαρμάκων και θεραπειών.

Η εταιρεία τεχνητής νοημοσύνης DeepMind, με έδρα το Ηνωμένο Βασίλειο, ανακοίνωσε για πρώτη φορά ότι είχε αναπτύξει μια μέθοδο για την ακριβή πρόβλεψη της δομής των αναδιπλούμενων πρωτεϊνών στα τέλη του 2020 και στα μέσα του 2021 είχε αποκαλύψει ότι είχε χαρτογραφήσει το 98,5 % των πρωτεϊνών που χρησιμοποιούνται στο ανθρώπινο σώμα.

Πρόσφατα, η εταιρεία ανακοίνωσε ότι δημοσιεύει τις δομές περισσότερων από 200 εκατομμυρίων πρωτεϊνών – σχεδόν όλες εκείνες που καταγράφονται στο παγκοσμίως αναγνωρισμένο αποθετήριο έρευνας πρωτεϊνών, UniProt.

Η DeepMind έχει συνεργαστεί με το Ευρωπαϊκό Ινστιτούτο Βιοπληροφορικής του Ευρωπαϊκού Εργαστηρίου Μοριακής Βιολογίας (EMBL-EBI) για να δημιουργήσει μία βάση δεδομένων με δυνατότητα αναζήτησης όλων αυτών των πληροφοριών, στην οποία μπορούν να έχουν εύκολη και ελεύθερη πρόσβαση ερευνητές σε όλο τον κόσμο, «ένα δώρο στην ανθρωπότητα», όπως αποκαλούν πολλοί τη βάση δεδομένων AlphaFold Protein Structure.

Το σύστημα AlphaFold μπορεί να προσδιορίσει τη δομή μιας πρωτεΐνης μέσα σε ελάχιστο χρόνο συγκριτικά με τις μέχρι τώρα πειραματικές τεχνικές που χρειάζονταν χρόνια και ήταν πολυδάπανες.

Ήδη διαθέσιμα τα πρώτα σημαντικά αποτελέσματα

Ο Demis Hassabis, Διευθύνων Σύμβουλος της DeepMind, λέει ότι η βάση δεδομένων καθιστά την εύρεση μιας δομής πρωτεΐνης –η οποία στο παρελθόν απαιτούσε συχνά χρόνια– «σχεδόν τόσο εύκολη όσο η αναζήτηση στο Google». Η DeepMind Technologies ιδρύθηκε τον Σεπτέμβριο του 2010 και το 2014 εξαγοράστηκε από την Google. Πλέον, είναι η θυγατρική τεχνητής νοημοσύνης της Alphabet, εδρεύει στο Λονδίνο και έχει ερευνητικά κέντρα στον Καναδά, τη Γαλλία και τις Ηνωμένες Πολιτείες.

Το αρχείο έχει ήδη χρησιμοποιηθεί από επιστήμονες για την προώθηση της έρευνας σε διάφορους τομείς.
Ο Matt Higgins, στο Πανεπιστήμιο της Οξφόρδης και οι συνεργάτες του ερεύνησαν μια πρωτεΐνη που πίστευαν ότι ήταν το κλειδί για τη διακοπή του κύκλου ζωής του παρασίτου της ελονοσίας, αλλά προσπαθούσαν να χαρτογραφήσουν τη δομή του.

«Μία από τις πειραματικές μεθόδους που χρησιμοποιούμε είναι η κρυσταλλογραφία ακτίνων Χ», λέει ο Higgins. Αξίζει εδώ να πούμε ότι πρόκειται για μία ερευνητική διαδικασία δαπανηρή και χρονοβόρα «Προκαλούμε τις πρωτεΐνες να σχηματιστούν σε πλέγματα, πυροδοτούμε ακτίνες Χ σε αυτές και παίρνουμε πληροφορίες από αυτά τα μοτίβα περίθλασης ακτίνων Χ για να δούμε πώς μοιάζει το μόριο. Αλλά δεν μπορέσαμε ποτέ, παρά τα πολλά χρόνια δουλειάς, να δούμε με αρκετή λεπτομέρεια πώς μοιάζει αυτό το μόριο».

Όταν λειτούργησε το AlphaFold, έδωσε μια σαφή πρόβλεψη της δομής της πρωτεΐνης που ταίριαζε με τις πληροφορίες που μπόρεσαν να συλλέξουν οι ερευνητές, μέχρι τότε. Έτσι, κατάφεραν να σχεδιάσουν νέες πρωτεΐνες που ελπίζουν ότι θα μπορούσαν να χρησιμεύσουν ως αποτελεσματικό εμβόλιο κατά της ελονοσίας.

Ο συνιδρυτής της DeepMind λέει ότι η τεχνητή νοημοσύνη πρόκειται να λύσει πολλά από τα πιο δύσκολα προβλήματα στην επιστήμη, από τη φύση της ζωής μέχρι την πυρηνική σύντηξη.

Το AlphaFold σε porject για τη διάσπαση των πλαστικών απορριμμάτων και για τα ανθεκτικά στα αντιβιοτικά βακτήρια

·         Το Κέντρο Ενζυμικής Καινοτομίας στο Πανεπιστήμιο του Πόρτσμουθ (CEI) χρησιμοποιεί το AlphaFold για προβλέψεις που θα βοηθήσουν στη δημιουργία ταχύτερων ενζύμων για την ανακύκλωση ορισμένων από τα πιο ρυπογόνα πλαστικά μιας χρήσης.

·         Μια ομάδα στο Πανεπιστήμιο Boulder του Κολοράντο χρησιμοποιεί το AlphaFold για τη μελέτη της αντοχής στα αντιβιοτικά.

·         Ερευνητική ομάδα στο Πανεπιστήμιο της Καλιφόρνια το χρησιμοποίησε για την κατανόησή της βιολογίας του SARS-CoV-2.

Και ενώ η έρευνα πάνω στο AlphaFold συνεχίζεται, οι προβλέψεις του ξεκλειδώνουν ολοένα και περισσότερες νέες δυνατότητες στη βιολογική έρευνα.

Ο Keith Willison στο Imperial College του Λονδίνου λέει ότι το AlphaFold έχει αναμφισβήτητα «αλλάξει τον κόσμο» της βιολογικής έρευνας, αλλά ότι υπάρχουν ακόμα προβλήματα που πρέπει να λυθούν στην αναδίπλωση των πρωτεϊνών.

«Όταν λειτούργησε το AlphaFold ήταν εξαιρετική εξέλιξη. Τώρα, απλώς αναζητάμε τις προς διερεύνηση πρωτεΐνες αντί να χρειάζεται να κάνουμε κρυστάλλους», εξηγεί. «Μου πήρε περίπου οκτώ χρόνια για να κάνω την κρυσταλλογραφική δομή ενός συμπλέγματος πρωτεΐνης… Ο κόσμος αστειεύεται ότι οι κρυσταλλογράφοι θα μείνουν άνεργοι».

Ωστόσο, ο Willison επισημαίνει ότι το AlphaFold δεν είναι σε θέση να λάβει αυθαίρετα μία σειρά αμινοξέων και να μοντελοποιήσει ακριβώς πώς αναδιπλώνουν. Αντίθετα, είναι σε θέση να χρησιμοποιήσει μόνο μέρη πρωτεϊνών και τις δομές τους που έχουν προσδιοριστεί πειραματικά για να προβλέψουν πώς θα αναδιπλωθεί μια νέα πρωτεΐνη.

Ενώ το εργαλείο είναι εξαιρετικά ακριβές, οι δομές του είναι πάντα προβλέψεις και όχι ρητά υπολογισμένα αποτελέσματα. Ούτε το AlphaFold έχει λύσει ακόμη τις πολύπλοκες αλληλεπιδράσεις μεταξύ των πρωτεϊνών ή τις γνωστές ως εγγενώς διαταραγμένες πρωτεΐνες, που φαίνεται να έχουν ασταθή και απρόβλεπτα μοτίβα αναδίπλωσης.

«Μόλις ανακαλύψεις ένα πράγμα, τότε δημιουργούνται περισσότερα προβλήματα», λέει ο Willison. «Είναι πραγματικά τρομακτικό, πόσο περίπλοκη είναι η βιολογία».

Είναι, πάντως, γεγονός ότι οι νέες γνώσεις για τη δομή των πρωτεϊνών αναμένεται να οδηγήσουν την έρευνα για την επίλυση πολλών προβλημάτων (όπως αυτά που αναφέρθηκαν παραπάνω) σε νέα μονοπάτια επιστημονικών ανακαλύψεων και για αυτόν ακριβώς τον λόγο τα σύνολα των δεδομένων του AlphaFold θεωρούνται εξίσου σημαντικής βαρύτητας με εκείνα του ανθρώπινου γονιδιώματος.

Ένα σύστημα τεχνητής νοημοσύνης με την ονομασία AlphaFold, που αναπτύχθηκε από τη βρετανική εταιρεία DeepMind, θυγατρική της Google, κατάφερε για πρώτη φορά να λύσει ένα από τα μεγάλα μυστήρια της βιολογίας εδώ και δεκαετίες: να προβλέπει γρήγορα και με ακρίβεια πώς θα αναδιπλωθούν οι πρωτεΐνες, ποιο τρισδιάστατο σχήμα θα πάρουν και άρα ποια θα είναι η λειτουργία τους. Το επίτευγμα, που χαρακτηρίσθηκε ορόσημο από τον επιστημονικό κόσμο, θα βοηθήσει στην καλύτερη κατανόηση διαφόρων ασθενειών και στην επιτάχυνση της ανάπτυξης νέων φαρμάκων, μεταξύ άλλων για την Covid-19.

“Βόμβα” από το CNN: Έγγραφα δείχνουν ότι η Κίνα διαχειρίστηκε λάθος την πανδημία στα αρχικά στάδια – Έδινε ψεύτικα στοιχεία

Σε ένα σχετικό διαγωνισμό, το «έξυπνο» σύστημα AlphaFold νίκησε, καθώς μπόρεσε γρήγορα να προβλέψει σωστά τουλάχιστον τα δύο τρίτα της δομής των πρωτεϊνών, με βάση μόνο την αρχική αλληλουχία (αλυσίδα) των αμινοξέων τους, κάτι που για να το πετύχουν οι άνθρωποι, χρειάζονται δαπανηρές και χρονοβόρες διαδικασίες στο εργαστήριο. Μέσα σε λίγες μέρες, ο αλγόριθμος έκανε δουλειά που οι επιστήμονες θέλουν χρόνια στο εργαστήριο τους.

«Έμεινα πραγματικά έκθαμβος, όταν το είδα. Δεν περίμενα ποτέ να το δω όσο ζούσα», δήλωσε ο δομικός βιολόγος δρ Τζον Μουλτ του Πανεπιστημίου του Μέριλαντ, ένας από τους διοργανωτές του διεθνούς επιστημονικού διαγωνισμού CASP (Critical Assessment of protein Structure Prediction), που ξεκίνησε το 2004 και γίνεται ανά διετία.

Οι δεκάδες χιλιάδες διαφορετικές πρωτεΐνες παίζουν ζωτικό ρόλο στην υγεία και στις ασθένειες του σώματος, καθώς τα κύτταρα φτιάχνονται από πρωτεΐνες, το πολύπλοκο σχήμα των οποίων παίζει σημαντικό ρόλο. Για παράδειγμα, ο κορονοϊός που προκαλεί τη νόσο Covid-19, εισδύει στα ανθρώπινα κύτταρα, επειδή μια προεξέχουσα πρωτεΐνη-ακίδα που διαθέτει, ταιριάζει δομικά -όπως το κλειδί σε μια κλειδαριά- με μια πρωτεΐνη-υποδοχέα στα κύτταρα μας.

Tο σχήμα κάθε πρωτεΐνης καθορίζεται από την αλληλουχία 20 διαφορετικών αμινοξέων, που σχηματίζουν αλυσίδες για να φτιάξουν τις πρωτεΐνες (για τη σχετική ανακάλυψη δόθηκε το 1972 το Νόμπελ στον Κρίστιαν ‘Ανφινσεν). Είναι εύκολο για τους βιολόγους να «διαβάσουν» αυτή την αλληλουχία, καθώς καθορίζεται από το DNA που την κωδικοποιεί, αλλά σχεδόν αδύνατο -παρά τις προσπάθειες μισού αιώνα περίπου- να προβλεφθεί το σχήμα μιας πρωτεΐνης με βάση τα δεκάδες ή εκατοντάδες αμινοξέα της.

Μέχρι σήμερα οι επιστήμονες καταφεύγουν σε πειραματικές τεχνικές, όπως η κρυσταλλογραφία ακτίνων-Χ, η μικροσκοπία κρυο-ηλεκτρονίων και η φασματοσκοπία MMR, που όμως είναι πάρα πολύ δύσκολες, καθώς χρειάζονται μήνες ή χρόνια και δεν δουλεύουν πάντα σωστά. Όμως το νέο σύστημα βαθιάς μάθησης AlphaFold, που άρχισε να δοκιμάζεται το 2018 και έκτοτε βελτιώθηκε σημαντικά, μπορεί πλέον να συσχετίσει κάθε αλληλουχία αμινοξέων με μια διαφορετική πρωτεϊνική δομή. Πάντως έχει ακόμη περιθώρια βελτίωσης, καθώς π.χ. δεν τα πάει τόσο καλά με τις πρωτεΐνες των οποίων η δομή επηρεάζεται από αλληλεπιδράσεις με άλλες πρωτεΐνες.

Όπως δήλωσε ο εξελικτικός βιολόγος Αντρέι Λούπας του γερμανικού Ινστιτούτου Αναπτυξιακής Βιολογίας Μαξ Πλανκ, τα επόμενα λίγα χρόνια οι ερευνητές θα συνεχίσουν να «τσεκάρουν» οι ίδιοι την ακρίβεια των προβλέψεων του AlphaFold, αλλά μετά θα εξαρτιούνται αποκλειστικά από τους υπολογισμούς της τεχνητής νοημοσύνης. Όπως είπε, η πραγματική επανάσταση θα συμβεί, όταν πλέον οι επιστήμονες θα μπορούν να χρησιμοποιούν μόνο τους υπολογιστές για να προβλέπουν πώς οι πρωτεΐνες αλληλεπιδρούν με άλλα μόρια. «Αυτό θα αλλάξει τελείως το πρόσωπο της ιατρικής», εκτίμησε.

Ήδη, για παράδειγμα, ο αλγόριθμος AlphaFold προέβλεψε σωστά τα σχήματα αρκετών πρωτεϊνών του κορονοϊού SARS-CoV-2. Στο μέλλον θα έχει πιθανώς την ικανότητα να προβλέπει ποια από τα χιλιάδες υπάρχοντα φάρμακα προσδένονται σωστά σε αυτές τις πρωτεΐνες, άρα μπορεί να έχουν θεραπευτική δράση, χωρίς να χρειάζεται οι επιστήμονες να κάνουν πανάκριβα και πολύπλοκα πειράματα όπως τώρα.

Προς το παρόν, σύμφωνα με το “New Scientist”, το BBC και το “Science”, οι δημιουργοί του AlphaFold δεν έχουν αποκαλύψει πολλές λεπτομέρειες για το σύστημα τους, αλλά δήλωσαν ότι σύντομα θα κάνουν σχετική επιστημονική δημοσίευση. Η DeepMind δεν έχει ακόμη διευκρινίσει με ποιο τρόπο οι επιστήμονες σε όλο τον κόσμο θα μπορούν να αξιοποιήσουν το νέο σύστημα, αλλά υποσχέθηκε να διασφαλίσει ευρεία πρόσβαση.